函数渐进性的O, Ω ,Θ的表示

一、定义

对于任何函数$f(n)$都可以用$O, Ω ,Φ$来表示当$n\rightarrow∞$时的阶的情况，可以把$O, Ω ,Φ$分别看成是$≥，≤，=$，分别估计了函数的渐进上界，渐进下届和准确界。定义表示如下：

1.第一种定义：

设函数$f(n)$代表某一算法在输入大小为$n$的情况下的工作量（效率），假设$f(n)$、$g(n)$非负单调，且极限存在，则当$n$趋于无穷的时候，我们将$f(n)$与另一行为已知的函数$g(n)$进行比较：
1）如果，则称$f(n)$在数量级上严格小于$g(n)$，记为$f(n)=o(g(n))$。
2）如果，则称$f(n)$在数量级上严格大于$g(n)$，记为$f(n)=ω(g(n))$。
3）如果，这里c为非零常数，则称$f(n)$在数量级上等于$g(n)$，记为$f(n)=Θ(g(n))$。
4）如果$f(n)$在数量级上小于或等于$g(n)$，则记为$f(n)=O(g(n))$。
5）如果$f(n)$在数量级上大于或等于$g(n)$，则记为$f(n)=Ω(g(n))$。

2.O表示法第二种定义

对于非负函数$T(n)$，存在两个正常数$c和n_0$，并且对于所有的$n>n_0$，有$T(n)≤cf(n)$，则称$T(n)$在集合$O(f(n))$里（即前一个集合可以被后一个集合覆盖），记为$T(n)=O(f(n))$，直观意义是，对于足够大的数据集合，本算法执行的步骤数总是少于$cf(n)$。我们在进行算法分析时希望获得的是尽可能紧凑的上界。

上述算法计算时间的渐进表示是由D.Knuth提出的，但是在数学家眼中$f(n)=O(g(n))$这种等于号是不严格，但这没关系，不影响计算机算法的分析。

二、$O, Ω ,Θ$的性质

利用这些性质可以大大简化对算法的分析。

1）性质1 $O, Ω ,Θ$是自反的、传递的。例如：
· 自反性，$f(n)=O(f(n))$
·传递性，若$f(n)=O(g(n))，g(n)=O(h(n))$，则$f(n)=O(h(n))$。
2）性质2 Θ还有对称性：$f(n)=Θ(g(n))⟺g(n)=Θ(f(n))$。
3）性质3 对于任意的$f(n),g(n)$，我们有$f(n)+g(n)=Θ(max\{f(n),g(n)\})$,即对于一个由若干部分组成的串行程序，其总的渐进复杂度等于其复杂度最高的部分，这是个十分有用的性质。
4）性质4 如果$f(n)=O(kg(n))$，这里k是一个常数，则$f(n)=O(g(n))$，这条规则告诉我们系数是无关紧要的。因为我们关心的是数量级的比较，而不是同一数量级里面的细小差异。当然当关注点不同时，系数可能会变得重要。
5)性质5 如果$f_1(n)=O(g_1(n)$，并且$f_2(n)=O(g_2(n)$，则$(f_1+f_2)(n)=O(max\{g_1(n),g_2(n)\})$.
6）性质6 如果$f_1(n)$在$O(g_1(n)$里，并且$f_2(n)$在$O(g_2(n)$里，则$f_1(n)f_2(n)$在$O(g_1(n)O(g_2(n)$里。

参考书：《算法之道》邹横明著。